[發明專利]一種機器學習程序更新方法、裝置及設備在審
| 申請號： | 201910579427.4 | 申請日： | 2019-06-28 |
| 公開（公告）號： | CN112149836A | 公開（公告）日： | 2020-12-29 |
| 發明（設計）人： | 彭劍峰;王鵬;葉挺群;鄭星 | 申請（專利權）人： | 杭州海康威視數字技術股份有限公司 |
| 主分類號： | G06N20/00 | 分類號： | G06N20/00 |
| 代理公司： | 北京博思佳知識產權代理有限公司 11415 | 代理人： | 楊春香 |
| 地址： | 310051 浙*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 機器 學習 程序 更新 方法 裝置 設備 | ||
1.一種機器學習程序更新方法，其特征在于，所述方法包括：
獲取用戶輸入的機器學習程序更新命令；
根據所述機器學習程序更新命令獲取用于實現機器學習的第一機器學習程序；
若所述第一機器學習程序的性能優于第二機器學習程序的性能，則更新所述第一機器學習程序；所述第二機器學習程序是已經部署到程序集合中的機器學習程序。
2.根據權利要求1所述的方法，其特征在于，
所述獲取用戶輸入的機器學習程序更新命令，包括：
獲取用戶通過WEB頁面輸入的機器學習程序更新命令；或者，
獲取用戶通過應用客戶端輸入的機器學習程序更新命令。
3.根據權利要求1所述的方法，其特征在于，所述根據所述機器學習程序更新命令獲取用于實現機器學習的第一機器學習程序，包括：
根據所述機器學習程序更新命令獲取機器學習參數，并根據所述機器學習參數獲取機器學習模型；將所述機器學習模型封裝為用于實現機器學習的第一機器學習程序；所述機器學習參數包括機器學習屬性和/或機器學習訓練方向；
或者，在接收到所述機器學習程序更新命令后，獲取用戶標注樣本，并根據所述用戶標注樣本獲取機器學習模型，并將所述機器學習模型封裝為用于實現機器學習的第一機器學習程序。
4.根據權利要求3所述的方法，其特征在于，
所述根據所述機器學習參數獲取機器學習模型，包括：從本地存儲的所有訓練圖像中獲取與所述機器學習參數對應的訓練圖像集合；其中，所述訓練圖像集合包括多個訓練圖像，所述多個訓練圖像均包括標注信息；根據所述多個訓練圖像的特征信息和標注信息獲取機器學習模型；
所述根據所述用戶標注樣本獲取機器學習模型，包括：根據所述用戶標注樣本獲取多個訓練圖像，所述多個訓練圖像均包括用戶添加的標注信息；根據所述多個訓練圖像的特征信息和標注信息獲取機器學習模型。
5.根據權利要求4所述的方法，其特征在于，所述根據所述多個訓練圖像的特征信息和標注信息獲取機器學習模型，包括：
獲取用于訓練機器學習模型的多個應用場景；
從所述訓練圖像集合中獲取每個應用場景對應的訓練圖像；
利用每個應用場景對應的訓練圖像的特征信息和標注信息獲取機器學習模型，所述機器學習模型包括特征信息與標注信息的映射關系。
6.根據權利要求5所述的方法，其特征在于，
所述從所述訓練圖像集合中獲取每個應用場景對應的訓練圖像，包括：
獲取所述訓練圖像集合中的每個訓練圖像的屬性信息；
基于所述訓練圖像集合中的每個訓練圖像的屬性信息和每個應用場景的屬性信息，從所述訓練圖像集合中獲取每個應用場景對應的訓練圖像。
7.根據權利要求5所述的方法，其特征在于，所述從所述訓練圖像集合中獲取每個應用場景對應的訓練圖像之后，所述方法還包括：
針對任一個應用場景，若所述應用場景對應的訓練圖像數量小于預設數量閾值，則根據所述應用場景對應的訓練圖像構造新訓練圖像，所述新訓練圖像包括標注信息；其中，所述應用場景對應的訓練圖像數量與新訓練圖像數量之和不小于所述預設數量閾值，所述新訓練圖像用于訓練所述機器學習模型。
8.根據權利要求4-7任一項所述的方法，其特征在于，所述根據所述多個訓練圖像的特征信息和標注信息獲取機器學習模型，包括：
對所述多個訓練圖像中的至少一個訓練圖像進行指定處理，得到處理后的訓練圖像；其中，所述指定處理包括：修復處理和/或增強處理；
根據處理后的訓練圖像的特征信息和標注信息獲取機器學習模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于杭州海康威視數字技術股份有限公司，未經杭州海康威視數字技術股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201910579427.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：樣本分析系統以及樣本分析方法
- 下一篇：磁共振成像系統及用于其的散熱裝置
